Ambiens szabályozás problémája Kontroll és tanulás-1 Ambiens (fizikai) tér Ambiens Intelligencia szenzorok beavatkozók Ágens szervezet AmI - megfigyelés, elemzés - tervezés, megtanulás AmI - statikus - (folyamatosan) adaptív (fuzzy) tanulás problémája -on-line -ritka adat -nem stacionárius környezet 1
megfigyelések (kontextus) fuzzy leíró modell megfigyelések (kontextus) megfigyelések (kontextus) fuzzy jósló modell (leíró modell végrehajtása)
The Essex intelligent Dormitory (idorm) Szenzorok Beltéri fényszint szenzor, kültéri fényszint szenzor, beltéri hőmérséklet szenzor, kültéri hőmérsékleti szenzor, páratartalom szenzor, széknyomás szenzor, ágynyomás szenzor, jelenlét szenzor, telefon státusz szenzor. Beavatkozók fűtőtest, hűtő ventilátor, 4 szabályozható kis lámpa, ablaksötétítő, asztali lámpa, ágy melletti lámpa, PC szövegszerkesztő alkalmazás, PC média lejátszó alkalmazás. L. X.Wang and J. M. Mendel, Generating fuzzy rules by learning from examples, IEEE Trans. Syst., Man, Cybern., vol. 22, pp. 1414 1427, Dec 1992. L.X. Wang, The WM Method Completed: A Flexible Fuzzy System Approach to Data Mining, IEEE Trans. on Fuzzy Systems, Vol. 11, No. 6, Dec 2003, pp. 768-782 F. Doctor, H. Hagras, and V. Callaghan, A Fuzzy Embedded Agent-Based Approach for Realizing Ambient Intelligence in Intelligent Inhabited Environments IEEE Trans. on Syst., Man, Cybern. Part A: Systems and Humans, Vol. 35, No. 1, Jan 2005, pp. 55-65.
Adaptive Online Fuzzy Inference System (AOFIS) One-shot Felhasználó monitorozása I/O adatok begyűjtése Tagsági függvények azonosítása Fuzzy szabályok azonosítása Control loop Szenzorok/felhasználói beavatkozások monitorozása Tanult szabályok adaptálása
I/O adatok begyűjtése Felhasználó berendezéseket kezel pillanatfelvétel aktuális bemenetekről (szenzor állapotok) és kimenetekről (beavatkozók új, felhasználó állította állapotai) Pillanatfelvételek kumulálása (pl. 3 nap idorm) ( x ( t), y ( t) ), t 1, 2,... N n bemeneti változó x ( x 1, ) T n x n R befolyásolja k kimeneti y ( y 1, ) T k y k R változót idorm: 7 szenzor bemenet, 10 beavatkozó kimenet = 17 dimenzió Előre kivetítve: dimenzió átka probléma
I/O adatok begyűjtése Előre kivetítve: dimenzió átka probléma
dimenzió átka probléma 100 adat 1, 2, 3dimenzióban
Tagsági függvények azonosítása klaszterezés - hasra ütés, vagy
Tagsági függvények azonosítása Double Clustering: Fuzzy-C-Means (FCM) + hierarchical clustering FCM algoritmus Initialize U=[uij] matrix, U(0) Update U(k), U(k+1) If U(k+1) - U(k) < then STOP; otherwise cont
http://home.dei.polimi.it/matteucc/clustering/tutorial_html/cmeans.html http://home.dei.polimi.it/matteucc/clustering/tutorial_html/appletfcm.html
Hierarchikus klaszterezés FCM algoritmus: c1, c2, c p R r minden klaszterközpont egy r-dim vektor minden bemenet/kimenet számára - 1-dim centroid értékek Iteratív újra klaszterezés középpontok majdani tagsági függvények (majdnem) középpontjai K j (j = 1,2,..., r) a középpontok (tagsági függvények) kívánt száma (felbontás) Algoritmus minden lépésében a két legközelebbi elem összemosódik Ismétlés minden dimenzió szerint.
Tagsági függvények származtatása Gauss-féle tagsági függvények (előny, hátrány) Szétválasztó pontok származtatása: Gauss-paraméterek számítása: - a két szomszédos tagsági függvény átlapolódás mértéke. Szélső ( határ ) tagsági függvények kinyújtása végtelenbe 1 érték szinten.
Fuzzy szabályok kinyerése Mendel Wang (MW) módszer javított változata Fuzzy szabályok one-pass származtatása megfigyelt adatokból l = 1,2,...,M, M a szabályok száma, l szabály indexe minden bemenethez q számú fuzzy halmaz minden kimenethez h számú fuzzy halmaz
2010-2011 VIMIM137 14
1. lépés Minden I/O adatpár esetén Tagsági függvényértékek számítása Minden bemeneti s változóra (s = 1,...,n), megtalálni minden q = 1,...,V által generált szabály szabályok max. száma Tényleges szabályok domináns régióban legalább egy adatpont van. 1 db. szabály minden adatpontra, max-t adó fuzzy halmazok beválasztásával.
Szabály súlya Szabály által lefedett régióhoz tartozó pontok erőssége. 1. Lépés ismétlése minden t adatpontra, végül N db. szabály.
2010-2011 VIMIM137 17
2. lépés Sok adatpont sok szabály sok szabály ugyanazzal az IF résszel sok szabály konfliktusban áll (ugyanaz az IF, eltérő következmény) Azonos IF résszel rendelkező szabályok egyetlenegy szabályba! N szabályból M szabálycsoport: azonos IF rész i-ik csoport - N l db. szabály u = 1,...N l a csoport adatindexe Konfliktuscsoporthoz tartozó szabályok átlagos kimenete (konfliktusban lévő következmények összemosása)
N l szabály összekombinálása egyetlenegy szabályba A kimeneti halmaz megválasztása: W kimeneti fuzzy halmaz közül megtalálni azt, amire: h = 1,2,...,W, -re, az eredmény:
súly av következmény 2010-2011 VIMIM137 20
FLC
Online adaptáció és life-long tanulás Felhasználót közelítő módon modellező FLC tanulása Felhasználói viselkedésváltozáshoz adaptálás gyorsan, nem zavaró módon Nem-zavaró: AmI döntés felülbírása, kézi vezérlés, berendezések átállítása Kézi vezérlés érzékelése - szabályok on-line adaptálása - új szabályok hozzáadása (új preferenciák) Tanulási tehetetlenség okos késleltetés, nincs kapkodás és mi lenne, ha a viselkedésváltozás már igen lényeges?
Kézi vezérlés érzékelése pillanatfelvétel szabályadaptációs mechanizmus Bemeneti x vektor minden paramétere szabály előfeltétel halmaza tagsági érték szintje? Szabály súlya: bemeneti tagsági értékek szorzata (szabály elsütési súlya) (nagyobb nullánál) Felhasználói beavatkozás értékéhez max. tagsági szintet adó kimeneti fuzzy halmaz beválasztása az összes elsüthető szabály következményébe minden h = 1,2,...,W -nek -t használjuk, ahol c = 1,2..,k.
Ha a felhasználói beavatkozásnál nincs elsüthető szabály, új szabályt adunk hozzá szabálybázishoz Ehhez azonosítani kell a bemenetre nem nulla értéket adó halmazokat Szabályrács (minden azonosított bemeneti kombináció) Következmény megválasztása Új szabályok hozzáadása ha aktuális helyzethez (kézi vezérlés nélkül) sincs elsüthető szabály: új szabály: feltétel = környezet aktuális állapota következmény = beavatkozók aktuális állapota
Felbontás, elegendő modell tanulása? Extrapolálás, ahol mérés nincs? - lehet ez egyáltalán? - szabályközpont - szomszédos szabály - max.szab.csoport - középpont szomszédokból B( ) B( ) 25